CN109343572B - 一种无人机自主降落方法、装置及无人机 - Google Patents

一种无人机自主降落方法、装置及无人机 Download PDF

Info

Publication number
CN109343572B
CN109343572B CN201811563917.7A CN201811563917A CN109343572B CN 109343572 B CN109343572 B CN 109343572B CN 201811563917 A CN201811563917 A CN 201811563917A CN 109343572 B CN109343572 B CN 109343572B
Authority
CN
China
Prior art keywords
area
unmanned aerial
point cloud
aerial vehicle
designated
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN201811563917.7A
Other languages
English (en)
Other versions
CN109343572A (zh
Inventor
郑欣
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shenzhen Autel Intelligent Aviation Technology Co Ltd
Original Assignee
Shenzhen Autel Intelligent Aviation Technology Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Shenzhen Autel Intelligent Aviation Technology Co Ltd filed Critical Shenzhen Autel Intelligent Aviation Technology Co Ltd
Priority to CN201811563917.7A priority Critical patent/CN109343572B/zh
Publication of CN109343572A publication Critical patent/CN109343572A/zh
Priority to PCT/CN2019/126720 priority patent/WO2020125726A1/zh
Priority to US17/352,697 priority patent/US20220075391A1/en
Application granted granted Critical
Publication of CN109343572B publication Critical patent/CN109343572B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00—Control of position, course or altitude of land, water, air, or space vehicles, e.g. automatic pilot
    • G05D1/10—Simultaneous control of position or course in three dimensions
    • G05D1/101—Simultaneous control of position or course in three dimensions specially adapted for aircraft
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00—Control of position, course or altitude of land, water, air, or space vehicles, e.g. automatic pilot
    • G05D1/10—Simultaneous control of position or course in three dimensions
    • G05D1/101—Simultaneous control of position or course in three dimensions specially adapted for aircraft
    • G05D1/102—Simultaneous control of position or course in three dimensions specially adapted for aircraft specially adapted for vertical take-off of aircraft
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B64—AIRCRAFT; AVIATION; COSMONAUTICS
    • B64C—AEROPLANES; HELICOPTERS
    • B64C39/00—Aircraft not otherwise provided for
    • B64C39/02—Aircraft not otherwise provided for characterised by special use
    • B64C39/024—Aircraft not otherwise provided for characterised by special use of the remote controlled vehicle type, i.e. RPV
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B64—AIRCRAFT; AVIATION; COSMONAUTICS
    • B64U—UNMANNED AERIAL VEHICLES [UAV]; EQUIPMENT THEREFOR
    • B64U60/00—Undercarriages
    • B64U60/50—Undercarriages with landing legs
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B64—AIRCRAFT; AVIATION; COSMONAUTICS
    • B64U—UNMANNED AERIAL VEHICLES [UAV]; EQUIPMENT THEREFOR
    • B64U70/00—Launching, take-off or landing arrangements
    • B64U70/90—Launching from or landing on platforms
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
    • G01C21/20—Instruments for performing navigational calculations
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
    • G01C21/38—Electronic maps specially adapted for navigation; Updating thereof
    • G01C21/3885—Transmission of map data to client devices; Reception of map data by client devices
    • G01C21/3889—Transmission of selected map data, e.g. depending on route
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
    • G01C21/38—Electronic maps specially adapted for navigation; Updating thereof
    • G01C21/3885—Transmission of map data to client devices; Reception of map data by client devices
    • G01C21/3896—Transmission of map data from central databases
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B64—AIRCRAFT; AVIATION; COSMONAUTICS
    • B64D—EQUIPMENT FOR FITTING IN OR TO AIRCRAFT; FLIGHT SUITS; PARACHUTES; ARRANGEMENTS OR MOUNTING OF POWER PLANTS OR PROPULSION TRANSMISSIONS IN AIRCRAFT
    • B64D45/00—Aircraft indicators or protectors not otherwise provided for
    • B64D45/04—Landing aids; Safety measures to prevent collision with earth's surface
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B64—AIRCRAFT; AVIATION; COSMONAUTICS
    • B64U—UNMANNED AERIAL VEHICLES [UAV]; EQUIPMENT THEREFOR
    • B64U10/00—Type of UAV
    • B64U10/10—Rotorcrafts
    • B64U10/13—Flying platforms
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B64—AIRCRAFT; AVIATION; COSMONAUTICS
    • B64U—UNMANNED AERIAL VEHICLES [UAV]; EQUIPMENT THEREFOR
    • B64U2101/00—UAVs specially adapted for particular uses or applications
    • B64U2101/30—UAVs specially adapted for particular uses or applications for imaging, photography or videography
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B64—AIRCRAFT; AVIATION; COSMONAUTICS
    • B64U—UNMANNED AERIAL VEHICLES [UAV]; EQUIPMENT THEREFOR
    • B64U2201/00—UAVs characterised by their flight controls
    • B64U2201/10—UAVs characterised by their flight controls autonomous, i.e. by navigating independently from ground or air stations, e.g. by using inertial navigation systems [INS]
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B64—AIRCRAFT; AVIATION; COSMONAUTICS
    • B64U—UNMANNED AERIAL VEHICLES [UAV]; EQUIPMENT THEREFOR
    • B64U50/00—Propulsion; Power supply
    • B64U50/10—Propulsion
    • B64U50/19—Propulsion using electrically powered motors
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B64—AIRCRAFT; AVIATION; COSMONAUTICS
    • B64U—UNMANNED AERIAL VEHICLES [UAV]; EQUIPMENT THEREFOR
    • B64U70/00—Launching, take-off or landing arrangements

Abstract

本发明实施例涉及无人机控制技术领域，特别是涉及一种无人机自主降落方法、装置及无人机。所述无人机自主降落方法包括：获取待降落区域的点云分布图；根据无人机在点云分布图中的实际降落区域，确定点云分布图中的检测区域，其中，检测区域是指在点云分布图中用于检测点云数量的区域；将检测区域划分为至少两个指定区域，至少两个指定区域中的每一个指定区域分别对应待降落区域的一部分；确定至少两个指定区域中的每一个指定区域中的点云数量是否小于预设阈值；若是，则控制无人机飞离点云数量小于预设阈值的指定区域或者控制无人机停止降落。通过上述方式，本发明实施例能够实现无人机的局部检测，提高检测的准确度，减少无人机坠毁风险。

Description

一种无人机自主降落方法、装置及无人机
技术领域
本发明实施例涉及无人机控制技术领域，特别是涉及一种无人机自主降落方法、装置及无人机。
背景技术
无人机是一种由无线电遥控设备或自身程序控制装置操纵的无人驾驶飞行器。随着无人机相关技术的发展及其应用场景的复杂变化，无人机在飞行过程中出现的安全问题越来越多，于是，在无人机中配备自主降落保护技术，以防止无人机在未知环境中降落时出现坠毁的情况。
但发明人在实现本发明的过程中发现：目前，无人机中配备的自主降落保护技术只针对待降落区域的整体情况进行分析，只能检测出待降落区域整体的平整性，无法检测出楼顶、悬崖、深沟等平整但存在明显边缘空缺的危险区域，检测不够全面，使得无人机降落仍然存在坠毁风险。
发明内容
本发明实施例旨在提供一种无人机自主降落方法、装置及无人机，能够实现无人机的局部检测，提高检测的准确度，减少无人机坠毁风险。
为解决上述技术问题，本发明实施例采用的一个技术方案是：提供一种无人机自主降落方法，所述方法包括：
获取待降落区域的点云分布图；
根据所述无人机在所述点云分布图中的实际降落区域，确定所述点云分布图中的检测区域，其中，所述检测区域是指在所述点云分布图中用于检测点云数量的区域；
将所述检测区域划分为至少两个指定区域，所述至少两个指定区域中的每一个指定区域分别对应所述待降落区域的一部分；
确定所述至少两个指定区域中的每一个指定区域中的点云数量是否小于预设阈值；
若是，则控制所述无人机飞离点云数量小于所述预设阈值的指定区域或者控制所述无人机停止降落。
可选地，所述获取所述待降落区域的所述点云分布图，包括：
通过所述无人机的深度传感器获取所述待降落区域的所述点云分布图。
可选地，所述通过所述无人机的深度传感器获取所述待降落区域的所述点云分布图，包括：
通过所述深度传感器获取所述待降落区域的深度图；
根据所述深度图，获取所述点云分布图。
可选地，所述通过所述无人机的深度传感器获取所述待降落区域的所述点云分布图，包括：
通过所述深度传感器获取所述待降落区域的点云数据；
将所述点云数据投影至二维平面，以获取所述点云分布图。
可选地，所述检测区域为所述点云分布图所对应的区域中除去所述实际降落区域并加上由危险容忍误差所构成的区域。
可选地，所述点云分布图为矩形结构，所述至少两个指定区域包括：
位于降落区域左侧的第一指定区域、位于降落区域右侧的第二指定区域、位于降落区域上方的第三指定区域以及位于降落区域下方的第四指定区域。
可选地，所述检测区域不包括所述点云分布图中四个角所在的区域。
可选地，所述第一指定区域S1、第二指定区域S2、第三指定区域S3和第四指定区域S4的数学表达式分别如下：
S1:-length<x1<-(l-d)，y1<|w-d|；
S2:(l-d)<x2<length，y2<|w-d|；
S3:x3<|l-d|，(w-d)<y3<width；
S4:x4<|l-d|，-width<y4<-(w-d)；
其中，x1为落在所述第一指定区域S1内的点的横坐标，y1为所述落在所述第一指定区域S1内的点的纵坐标，x2为落在所述第二指定区域S2内的点的横坐标，y2为所述落在所述第二指定区域S2内的点的纵坐标，x3为落在所述第三指定区域S3内的点的横坐标，y3为所述落在所述第三指定区域S3内的点的纵坐标，x4为落在所述第四指定区域S4内的点的横坐标，y4为所述落在所述第四指定区域S4内的点的纵坐标，length为所述点云分布图的长度的一半，width为所述点云分布图的宽度的一半，l为所述实际降落区域的长度的一半，w为所述实际降落区域的宽度的一半，d为危险容忍误差。
可选地，所述预设阈值在15-50范围内取值。
为解决上述技术问题，本发明实施例采用的另一个技术方案是：提供一种无人机自主降落装置，所述装置包括：
获取模块，所述获取模块用于获取待降落区域的点云分布图；
第一确定模块，所述第一确定模块用于根据所述无人机在所述点云分布图中的实际降落区域，确定所述点云分布图中的检测区域，其中，所述检测区域是指在所述点云分布图中用于检测点云数量的区域；
划分模块，所述划分模块用于将所述检测区域划分为至少两个指定区域，所述至少两个指定区域中的每一个指定区域分别对应所述待降落区域的一部分；
第二确定模块，所述第二确定模块用于确定所述至少两个指定区域中的每一个指定区域中的点云数量是否小于预设阈值；
控制模块，所述控制模块用于若每一个指定区域中的点云数量小于预设阈值，则控制所述无人机飞离点云数量小于所述预设阈值的指定区域或者控制所述无人机停止降落。
可选地，所述获取模块通过所述无人机的深度传感器获取所述待降落区域的所述点云分布图。
可选地，所述获取模块具体用于：
通过所述深度传感器获取所述待降落区域的深度图；
根据所述深度图，获取所述点云分布图。
可选地，所述获取模块具体用于：
通过所述深度传感器获取所述待降落区域的点云数据；
将所述点云数据投影至二维平面，以获取所述点云分布图。
可选地，所述检测区域为所述点云分布图所对应的区域中除去所述实际降落区域并加上由危险容忍误差所构成的区域。
可选地，所述点云分布图为矩形结构，所述至少两个指定区域包括：
位于降落区域左侧的第一指定区域、位于降落区域右侧的第二指定区域、位于降落区域上方的第三指定区域以及位于降落区域下方的第四指定区域。
可选地，所述检测区域不包括所述点云分布图中四个角所在的区域。
可选地，所述第一指定区域S1、第二指定区域S2、第三指定区域S3和第四指定区域S4的数学表达式分别如下：
S1:-length<x1<-(l-d)，y1<|w-d|；
S2:(l-d)<x2<length，y2<|w-d|；
S3:x3<|l-d|，(w-d)<y3<width；
S4:x4<|l-d|，-width<y4<-(w-d)；
其中，x1为落在所述第一指定区域S1内的点的横坐标，y1为所述落在所述第一指定区域S1内的点的纵坐标，x2为落在所述第二指定区域S2内的点的横坐标，y2为所述落在所述第二指定区域S2内的点的纵坐标，x3为落在所述第三指定区域S3内的点的横坐标，y3为所述落在所述第三指定区域S3内的点的纵坐标，x4为落在所述第四指定区域S4内的点的横坐标，y4为所述落在所述第四指定区域S4内的点的纵坐标，length为所述点云分布图的长度的一半，width为所述点云分布图的宽度的一半，l为所述实际降落区域的长度的一半，w为所述实际降落区域的宽度的一半，d为危险容忍误差。
可选地，所述预设阈值在15-50范围内取值。
为解决上述技术问题，本发明实施例采用的另一个技术方案是：提供一种无人机，包括：
至少一个处理器；以及
与所述至少一个处理器通信连接的存储器；其中，所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够用于执行以上所述的无人机自主降落方法。
为解决上述技术问题，本发明实施例采用的另一个技术方案是：提供一种非易失性计算机可读存储介质，所述非易失性计算机可读存储介质存储有计算机可执行指令，所述计算机可执行指令用于使无人机执行以上所述的无人机自主降落方法。
本发明实施例的有益效果是：区别于现有技术的情况下，本发明实施例提供一种无人机自主降落方法、装置及无人机，所述无人机自主降落方法通过在待降落区域的点云分布图中划分指定区域，并对每个指定区域中的点云数量进行判断来实现局部检测，并且由于对指定区域的局部检测相对于对待降落区域的整体检测而言，点云数量基数较小，使得无人机能够更为精准地确定出每一个危险的指定区域，提高了检测的准确度，减少了无人机坠毁的风险。
附图说明
一个或多个实施例通过与之对应的附图中的图片进行示例性说明，这些示例性说明并不构成对实施例的限定，附图中具有相同参考数字标号的元件表示为类似的元件，除非有特别申明，附图中的图不构成比例限制。
图1是本发明一实施例提供的一种无人机的结构示意图；
图2是本发明一实施例提供的各区域的关系图；
图3a是本发明一实施例提供的指定区域的划分示意图；
图3b是本发明一实施例提供的指定区域的划分示意图；
图4a是本发明一实施例提供的指定区域的划分示意图；
图4b是图4a所示的指定区域在斜向危险边界L中的示意图；
图5a是本发明一实施例提供的指定区域的划分示意图；
图5b是图5a所示的指定区域在斜向危险边界L中的示意图；
图6是本发明一实施例提供的一种无人机自主降落方法的流程示意图；
图7是本发明一实施例提供的一种无人机自主降落装置的结构示意图；
图8是本发明一实施例提供的一种无人机的硬件结构示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整的描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。应当理解，此处所描述的具体实施例仅用以解释本发明，并不用于限定本发明。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
需要说明的是，当元件被表述“固定于”另一个元件，它可以直接在另一个元件上、或者其间可以存在一个或多个居中的元件。当一个元件被表述“连接”另一个元件，它可以是直接连接到另一个元件、或者其间可以存在一个或多个居中的元件。本说明书所使用的术语“垂直的”、“水平的”、“左”、“右”以及类似的表述只是为了说明的目的。
此外，下面所描述的本发明各个实施例中所涉及到的技术特征只要彼此之间未构成冲突就可以相互组合。
本发明提供了一种无人机自主降落方法及装置，该方法及装置应用于无人机，从而使得该无人机能够在准备降落时判断待降落区域中是否存在局部危险区域，若存在局部危险区域，则控制无人机飞离局部危险区域或者控制无人机停止降落，以避免无人机降落在局部危险区域坠毁。其中，在本发明实施例中，局部危险区域为楼顶、悬崖、深沟等表面平整区域的边缘空缺区域。
本发明中的无人机可以是任何合适类型的高空无人机或者低空无人机，包括固定翼无人机、旋翼无人机、伞翼无人机或者扑翼无人机等。
下面，将通过具体实施例对本发明进行阐述。
实施例一
请参阅图1，是本发明其中一实施例提供的一种无人机100，包括壳体10、机臂20、动力装置30、深度传感器40、起落架50以及飞控系统(图未示)。机臂20、深度传感器40以及起落架50均与壳体10连接，飞控系统则设置于壳体10内，动力装置30则设置于机臂20上。其中，动力装置30、深度传感器40以及起落架50均与飞控系统通信连接，使得飞控系统能够通过动力装置30来控制无人机100的飞行、能够通过深度传感器40获得无人机100待降落区域的点云分布图、还能够控制起落架50与地面接触。
优选地，机臂20数量为4，均匀分布于壳体10四周，用于承载动力装置30。
动力装置30包括电机以及与电机轴连接的螺旋桨，电机能够带动螺旋桨旋转以为无人机100提供升力，实现飞行；电机还能够通过改变螺旋桨的转速及方向来改变无人机100的飞行方向。当动力装置30与飞控系统通信连接时，飞控系统能够通过控制电机来控制无人机100的飞行。
该动力装置30设置于机臂20未与壳体10连接的一端，并通过电机连接机臂20。
优选地，在无人机100的4个机臂上均设置有动力装置，以使无人机100能够平稳飞行。
深度传感器40设置于壳体10底部，用于采集无人机100待降落区域的深度图(Depth Map)，该深度图是包含与视点的场景对象的表面距离有关的信息的图像或图像通道，在深度图中，其每个像素值表示深度传感器距离物体的实际距离。故深度传感器40采集深度图也即采集深度传感器40与待降落区域物体的实际距离。当深度传感器40与飞控系统通信连接时，飞控系统能够从深度传感器40获取无人机100待降落区域的深度图，并根据深度图获取待降落区域的点云分布图。
当然，在其他一些实施例中，深度传感器40用于采集无人机100待降落区域的点云数据，点云数据中，每一个点包含有三维坐标，有些可能含有颜色信息或反射强度信息。此时，当深度传感器40与飞控系统通信连接时，飞控系统能够从深度传感器40获取无人机100待降落区域的点云数据，并将点云数据投影至二维平面，以获取待降落区域的点云分布图。
进一步地，深度传感器40通过云台设置于壳体10底部，以使深度传感器40能够全方位采集待降落区域的深度图或者点云数据。
该深度传感器40包括但不限于：双目相机、TOF(Time of Flight，飞行时间)相机、结构光相机、激光雷达等。
起落架50设置于壳体10底部相对两侧，通过驱动装置连接于壳体10，起落架50在驱动装置的驱动下能够进行打开与收起。在无人机100与地面接触时，驱动装置控制起落架50打开，以使无人机100通过起落架50与地面接触；在无人机100飞行过程中，驱动装置控制起落架50收起，以避免起落架50影响无人机100飞行。当起落架50与飞控系统通信连接时，飞控系统能够通过控制驱动装置来控制起落架50与地面接触。
可以理解的是，无人机100降落于地面时，只通过起落架50与地面接触，此时，无人机100的实际降落区域即起落架50与地面接触时所围成的区域。
当无人机100通过起落架50与地面接触时，无人机100机体在地面的投影围成投影区域，该投影区域的中心点与实际降落区域的中心点重合，并且投影区域大于实际降落区域。该投影区域包括螺旋桨的活动范围，表征无人机100能够正常活动的最小区域。
飞控系统与动力装置30、深度传感器40以及起落架50通过有线连接或者无线连接的方式进行通信连接。其中，无线连接包括但不限于：WiFi、蓝牙、ZigBee等。
该飞控系统用于执行本发明所述的无人机自主降落方法，以使得无人机100能够实现局部检测，提高检测的准确度，减少无人机坠毁风险。
具体地，在无人机100准备降落时，飞控系统通过深度传感器40获取待降落区域的点云分布图。
其中，待降落区域为根据现有的无人机降落保护方法确定的表面平整并适合无人机降落的区域，包括：地面、屋顶、平台、悬崖等区域。在表面平整并适合无人机降落的区域中，可能存在如悬崖、屋顶等边缘空缺的区域，若不对边缘空缺的区域进行局部危险性判断，则无人机100降落至该边缘空缺的区域中时，容易因降落到边缘而出现坠毁。故本发明基于表面平整并适合无人机100降落的待降落区域进行危险性检测。
点云分布图为能够反映待降落区域的点云分布情况的示意图。
飞控系统获取以无人机的中心为中心的待降落区域的点云分布图。
在本发明的一实施例中，飞控系统通过深度传感器40获取待降落区域的点云分布图具体包括：飞控系统通过深度传感器40获取待降落区域的深度图，并根据所获取的深度图获取点云分布图。
在本发明的另一实施例中，飞控系统通过深度传感器40获取待降落区域的点云分布图具体包括：飞控系统通过深度传感器40获取待降落区域的点云数据，并将所获取的点云数据投影至二维平面，以获取点云分布图。
进一步地，在获取了待降落区域的点云分布图后，飞控系统根据无人机100在点云分布图中的实际降落区域确定点云分布图中的检测区域。
由于待降落区域为确定的表面平整并且适合无人机100降落的区域，此时，不需要考虑螺旋桨转动碰撞障碍物的问题，只需要考虑无人机100是否会降落至边缘的空缺区域的问题，而是否会降落至边缘的空缺区域与无人机起落架50的落地位置有关，即与无人机100的实际降落区域有关，故在本发明中，飞控系统根据无人机100在点云分布图中的实际降落区域来确定点云分布图中的检测区域。
其中，检测区域是指在点云分布图中用于检测点云数量的区域。
在本发明的一实施例中，由于无人机100在实际检测过程存在检测误差，使得无人机100在实际降落过程中存在危险容忍误差，该危险容忍误差为能够允许无人机100进入空缺区域的最大距离，即无人机100以危险容忍误差的距离落入边缘的空缺区域，无人机100也不会发生坠毁，故在确定检测区域时，需要将由危险容忍误差所构成的区域一同考虑。具体地，检测区域为点云分布图所对应的区域中除去实际降落区域并加上由危险容忍误差所构成的区域，此时，所确定的检测区域为最大检测区域，能够使得检测结果更为准确，避免遗漏对危险容忍误差所构成的区域的检测。其中，危险容忍误差取决于无人机100的大小和深度传感器40的精度，其取值范围在1cm-5cm之间，包括1cm和5cm。
请参阅图2，点云分布图所对应的区域即待降落区域，该待降落区域为A，实际降落区域为B，当点云分布图所对应的区域A除去实际降落区域B时，得到区域A1；由危险容忍误差d所构成的区域为B1，当点云分布图所对应的区域A除去实际降落区域B并加上由危险容忍误差所构成的区域B1时，得到的检测区域为A1+B1。
请继续参阅图2，实际降落区域B除去由危险容忍误差d所构成的区域B1后，得到降落区域B2，该降落区域B2还可以为点云分布图所对应的区域A除去检测区域A1+B1后的区域，该降落区域B2不用于检测点云数量。
进一步地，在确定了点云分布图中的检测区域后，飞控系统将检测区域划分为至少两个指定区域，该至少两个指定区域中的每一个指定区域分别对应待降落区域的一部分。
其中，飞控系统将检测区域划分为至少两个指定区域时，可以将检测区域划分为面积相等的至少两个指定区域，也可以将检测区域划分为面积不相等的至少两个指定区域。
飞控系统在划分检测区域时，可以依照降落区域B2进行划分，比如：可根据降落区域B2至少一边边界线的延长线划分检测区域；还可根据降落区域B2至少两角与待降落区域A对应角的连线划分检测区域。
请参阅图3a，飞控系统根据降落区域B2一边边界线的延长线将检测区域A1+B1划分为面积不相等的指定区域C1和指定区域C2。
请参阅图3b，飞控系统根据降落区域B2相对的两角与待降落区域A对应角的连线将检测区域A1+B1划分为面积相等的指定区域C1和指定区域C2。
以上所述仅为本发明其中两个实施例，上述方法任意组合得到的方案均为本发明所能实现的方案。
在本发明的一实施例中，点云分布图为矩形结构，并且飞控系统将检测区域划分为4个指定区域，如图4a所示，所划分的4个指定区域包括：位于降落区域B2左侧的第一指定区域S1、位于降落区域B2右侧的第二指定区域S2、位于降落区域B2上方的第一指定区域S3以及位于降落区域B2下方的第四指定区域S4。在降落区域B2的四个方位分别划分指定区域，全面考虑了边缘空缺区域可能出现的情况，提高了检测的准确度。
其中，上述“左侧”、“右侧”、“上方”和“下方”均为图示方向。
如图4b所示，斜向危险边界L以左为危险区，斜向危险边界L以右为安全区，当按照图4a划分的指定区域来判断在斜向危险边界L中各指定区域是否危险时，第一指定区域S1和第二指定区域S2中的点云数量(图示黑色区域)大于阈值，飞控系统判断第一指定区域S1和第二指定区域S2安全，可以降落，而实际第一指定区域S1和第二指定区域S2不安全，降落容易造成坠毁，即图4a所示的划分指定区域的方法不能准确地对斜向危险边界的危险性进行判断，检测准确度不高。
在本发明的另一实施例中，为了提高斜向危险边界的检测准确度，飞控系统确定的检测区域不包括点云分布图中四个角所在的区域。
具体地，请参阅图5a，飞控系统根据降落区域B2边界线的延长线将检测区域四个角重叠的区域去除，并且当检测区域四个角所在的区域去除后，检测区域分割成如图所示的4个指定区域，包括：位于降落区域B2左侧的第一指定区域S1、位于降落区域B2右侧的第二指定区域S2、位于降落区域B2上方的第一指定区域S3以及位于降落区域B2下方的第四指定区域S4。
如图5b所示，斜向危险边界L以左为危险区，斜向危险边界L以右为安全区，当按照图5a划分的指定区域来判断在斜向危险边界L中各指定区域是否危险时，第一指定区域S1和第二指定区域S2中的点云数量(图示黑色区域)小于阈值，飞控系统判断第一指定区域S1和第二指定区域S2安全，可以降落，而实际第一指定区域S1和第二指定区域S2安全，即图5a所示的划分指定区域的方法能够提高斜向危险边界的检测准确度。
并且，通过去除检测区域在点云分布图中四个角所在的区域，能够避免由于畸变等原因造成的数据不稳定，提高检测稳定性。
在本发明的一实施例中，当坐标系原点位于待降落区域中心时，图5a所示的第一指定区域S1、第二指定区域S2、第三指定区域S3和第四指定区域S4的数学表达式分别如下：
S1:-length<x1<-(l-d)，y1<|w-d|；
S2:(l-d)<x2<length，y2<|w-d|；
S3:x3<|l-d|，(w-d)<y3<width；
S4:x4<|l-d|，-width<y4<-(w-d)；
其中，x1为落在所述第一指定区域S1内的点的横坐标，y1为所述落在所述第一指定区域S1内的点的纵坐标，x2为落在所述第二指定区域S2内的点的横坐标，y2为所述落在所述第二指定区域S2内的点的纵坐标，x3为落在所述第三指定区域S3内的点的横坐标，y3为所述落在所述第三指定区域S3内的点的纵坐标，x4为落在所述第四指定区域S4内的点的横坐标，y4为所述落在所述第四指定区域S4内的点的纵坐标，length为所述点云分布图的长度的一半，width为所述点云分布图的宽度的一半，l为所述实际降落区域的长度的一半，w为所述实际降落区域的宽度的一半，d为危险容忍误差。
进一步地，在将检测区域划分为至少两个指定区域后，飞控系统确定至少两个指定区域中的每一个指定区域中的点云数量是否小于预设阈值，若是，则控制无人机飞离点云数量小于预设阈值的指定区域或者控制无人机停止降落。
具体地，飞控系统对所划分出的每个指定区域中的点云数量进行判断，若每个指定区域中的点云数量均小于预设阈值，则表示所划分出的每个指定区域均为危险区域，即该待降落区域不能降落，此时，飞控系统控制无人机停止降落；
若至少一个指定区域中的点云数量不小于预设阈值，则表示所划分出的指定区域中存在至少一个安全区域，此时，飞控系统控制无人机飞离点云数量小于预设阈值的指定区域，向点云数量不小于预设阈值的指定区域靠近。
其中，预设阈值根据深度传感器40采集深度图或者点云数据的精度确定，其取值范围在15-50之间，包括15和50两个端点数值。
在本发明实施例中，通过在待降落区域的点云分布图中划分指定区域，并对每个指定区域中的点云数量进行判断来实现局部检测，并且由于对指定区域的局部检测相对于对待降落区域的整体检测而言，点云数量基数较小，使得无人机能够更为精准地确定出每一个危险的指定区域，提高了检测的准确度，减少了无人机坠毁的风险。
实施例二
请参阅图6，是本发明其中一实施例提供的一种无人机自主降落方法的流程示意图，应用于无人机，该无人机为上述实施例中所述的无人机100，而本发明实施例提供的方法由上述飞控系统执行，用于实现无人机的局部检测，提高检测的准确度，减少无人机自主降落坠毁的风险，该无人机自主降落方法包括：
S100：获取待降落区域的点云分布图。
上述“待降落区域”为根据现有的无人机降落保护方法确定的表面平整并适合无人机降落的区域，该待降落区域不包括水面、灌木丛、坡面等，包括平整地面、平台、屋顶、悬崖等。
上述“点云分布图”为能够反映待降落区域的点云分布情况的示意图。
获取待降落区域的点云分布图时，优选获取以无人机的中心为中心的点云分布图。
在本发明的一实施例中，获取待降落区域的点云分布图具体包括：通过所述无人机的深度传感器获取所述待降落区域的所述点云分布图。
其中，深度传感器包括但不限于：双目相机、TOF(Time of Flight，飞行时间)相机、结构光相机、激光雷达。
深度传感器用于采集待降落区域的深度图或者点云数据。
深度图是包含与视点的场景对象的表面距离有关的信息的图像或图像通道，在深度图中，其每个像素值表示深度传感器距离物体的实际距离。
点云数据中，每一个点包含有三维坐标，有些可能含有颜色信息或反射强度信息
当深度传感器采集待降落区域的深度图时，通过所述无人机的深度传感器获取所述待降落区域的所述点云分布图具体包括：
通过所述深度传感器获取所述待降落区域的深度图；
根据所述深度图，获取所述点云分布图。
当深度传感器采集待降落区域的点云数据时，通过所述无人机的深度传感器获取所述待降落区域的所述点云分布图具体包括：
通过所述深度传感器获取所述待降落区域的点云数据；
将所述点云数据投影至二维平面，以获取所述点云分布图。
S200：根据所述无人机在所述点云分布图中的实际降落区域，确定所述点云分布图中的检测区域。
上述“实际降落区域”为无人机起落架与地面接触时所围成的区域，该实际降落区域在点云分布图中与待降落区域中心点重合。
上述“检测区域”是指在点云分布图中用于检测点云数量的区域。
由于无人机在实际检测过程存在检测误差，使得无人机在实际降落过程中存在危险容忍误差，该危险容忍误差为能够允许无人机进入空缺区域的最大距离，即无人机以危险容忍误差的距离落入边缘的空缺区域，无人机也不会发生坠毁，故在本发明的一实施例中，检测区域为点云分布图所对应的区域中除去实际降落区域并加上由危险容忍误差所构成的区域。此时，所确定的检测区域为最大检测区域，能够使得检测结果更为准确，避免遗漏对危险容忍误差所构成的区域的检测。
其中，危险容忍误差取决于无人机100的大小和深度传感器40的精度，其取值范围在1cm-5cm之间，包括1cm和5cm。
S300：将所述检测区域划分为至少两个指定区域，所述至少两个指定区域中的每一个指定区域分别对应所述待降落区域的一部分。
上述“至少两个指定区域”可以为面积相等的至少两个指定区域，也可以为面积不相等的至少两个指定区域。
在将检测区域划分为至少两个指定区域时，根据降落区域进行划分，该降落区域为点云分布图所对应的区域除去检测区域后的区域，该降落区域不用于检测点云数量。
根据降落区域将检测区域划分为至少两个指定区域具体包括：根据降落区域至少一边边界线的延长线将检测区域划分为至少两个指定区域；或者，根据降落区域至少两角与待降落区域对应角的连接线将检测区域划分为至少两个指定区域。
在本发明的一实施例中，所述点云分布图为矩形结构，所述至少两个指定区域包括：
位于降落区域左侧的第一指定区域、位于降落区域右侧的第二指定区域、位于降落区域上方的第三指定区域以及位于降落区域下方的第四指定区域。
上述“左侧”、“右侧”、“上方”以及“下方”均为图4a所示的方位。
在降落区域的四个方位分别划分指定区域，全面考虑了边缘空缺区域可能出现的情况，提高了检测的准确度。
在本发明的另一实施例中，为了提高斜向危险边界的检测准确度，所述检测区域不包括所述点云分布图中四个角所在的区域。
具体地，根据降落区域边界线的延长线将检测区域在四个角重叠的区域去除，并且当检测区域四个角所在的区域去除后，检测区域分割成如图5a所示的4个指定区域，包括：位于降落区域左侧的第一指定区域S1、位于降落区域右侧的第二指定区域S2、位于降落区域上方的第一指定区域S3以及位于降落区域下方的第四指定区域S4。
此时，第一指定区域S1、第二指定区域S2、第三指定区域S3以及第四指定区域S4均为矩形，计算更为简便。
通过去除检测区域在点云分布图中四个角所在的区域，能够避免由于畸变等原因造成的数据不稳定，提高检测稳定性。
基于此，当坐标系原点位于待降落区域中心时，如图5a所示的第一指定区域S1、第二指定区域S2、第三指定区域S3和第四指定区域S4的数学表达式分别如下：
S1:-length<x1<-(l-d)，y1<|w-d|；
S2:(l-d)<x2<length，y2<|w-d|；
S3:x3<|l-d|，(w-d)<y3<width；
S4:x4<|l-d|，-width<y4<-(w-d)；
其中，x1为落在所述第一指定区域S1内的点的横坐标，y1为所述落在所述第一指定区域S1内的点的纵坐标，x2为落在所述第二指定区域S2内的点的横坐标，y2为所述落在所述第二指定区域S2内的点的纵坐标，x3为落在所述第三指定区域S3内的点的横坐标，y3为所述落在所述第三指定区域S3内的点的纵坐标，x4为落在所述第四指定区域S4内的点的横坐标，y4为所述落在所述第四指定区域S4内的点的纵坐标，length为所述点云分布图的长度的一半，width为所述点云分布图的宽度的一半，l为所述实际降落区域的长度的一半，w为所述实际降落区域的宽度的一半，d为危险容忍误差。
S400：确定所述至少两个指定区域中的每一个指定区域中的点云数量是否小于预设阈值；
S500：若是，则控制所述无人机飞离点云数量小于所述预设阈值的指定区域或者控制所述无人机停止降落。
对所划分出的每个指定区域中的点云数量进行判断，若每个指定区域中的点云数量均小于预设阈值，则表示所划分出的每个指定区域均为危险区域，即该待降落区域不能降落，此时，飞控系统控制无人机停止降落；
若至少一个指定区域中的点云数量不小于预设阈值，则表示所划分出的指定区域中存在至少一个安全区域，此时，飞控系统控制无人机飞离点云数量小于预设阈值的指定区域，向点云数量不小于预设阈值的指定区域靠近。
其中，预设阈值根据深度传感器采集深度图或者点云数据的精度确定，其取值范围在15-50之间，包括15和50两个端点数值。
由于方法实施例和实施例一是基于同一构思，在内容不互相冲突的前提下，方法实施例的内容可以引用实施例一的，在此不再一一赘述。
在本发明实施例中，通过在待降落区域的点云分布图中划分指定区域，并对每个指定区域中的点云数量进行判断来实现局部检测，并且由于对指定区域的局部检测相对于对待降落区域的整体检测而言，点云数量基数较小，使得无人机能够更为精准地确定出每一个危险的指定区域，提高了检测的准确度，减少了无人机坠毁的风险。
实施例三
以下所使用的术语“模块”为可以实现预定功能的软件和/或硬件的组合。尽管以下实施例所描述的装置可以以软件来实现，但是硬件，或者软件和硬件的组合的实现也是可能被构想的。
请参阅图7，是本发明其中一实施例提供的一种无人机自主降落装置，该装置应用于无人机，该无人机为上述实施例中所述的无人机100，而本发明实施例提供的装置各个模块的功能由上述飞控系统执行，用于实现无人机的局部检测，提高检测的准确度，减少无人机自主降落坠毁的风险，该无人机自主降落装置包括：
获取模块200，该获取模块200用于获取待降落区域的点云分布图；
第一确定模块300，该第一确定模块300用于根据无人机在点云分布图中的实际降落区域，确定点云分布图中的检测区域，其中，检测区域是指在点云分布图中用于检测点云数量的区域；
划分模块400，该划分模块400用于将检测区域划分为至少两个指定区域，至少两个指定区域中的每一个指定区域分别对应待降落区域的一部分；
第二确定模块500，该第二确定模块500用于确定至少两个指定区域中的每一个指定区域中的点云数量是否小于预设阈值；
控制模块600，该控制模块600用于若指定区域中的点云数量小于预设阈值，则控制无人机飞离点云数量小于预设阈值的指定区域或者控制无人机停止降落。
在本发明的一实施例中，获取模块200通过无人机的深度传感器获取待降落区域的点云分布图。当然，在其他一些可替代实施例中，该获取模块200也可以为深度传感器，能够直接获取待降落区域的点云分布图。
在本发明的一实施例中，该获取模块200具体用于：
通过深度传感器获取待降落区域的深度图；
根据深度图，获取点云分布图。
在本发明的另一实施例中，该获取模块200具体用于：
通过深度传感器获取待降落区域的点云数据；
将点云数据投影至二维平面，以获取点云分布图。
在本发明的一实施例中，检测区域为点云分布图所对应的区域中除去实际降落区域并加上由危险容忍误差所构成的区域。
在本发明的一实施例中，点云分布图为矩形结构，至少两个指定区域包括：
位于降落区域左侧的第一指定区域、位于降落区域右侧的第二指定区域、位于降落区域上方的第三指定区域以及位于降落区域下方的第四指定区域。
在本发明的一实施例中，检测区域不包括点云分布图中四个角所在的区域。
在本发明的一实施例中，第一指定区域S1、第二指定区域S2、第三指定区域S3和第四指定区域S4的数学表达式分别如下：
S1:-length<x1<-(l-d)，y1<|w-d|；
S2:(l-d)<x2<length，y2<|w-d|；
S3:x3<|l-d|，(w-d)<y3<width；
S4:x4<|l-d|，-width<y4<-(w-d)；
其中，x1为落在第一指定区域S1内的点的横坐标，y1为落在第一指定区域S1内的点的纵坐标，x2为落在第二指定区域S2内的点的横坐标，y2为落在第二指定区域S2内的点的纵坐标，x3为落在第三指定区域S3内的点的横坐标，y3为落在第三指定区域S3内的点的纵坐标，x4为落在第四指定区域S4内的点的横坐标，y4为落在第四指定区域S4内的点的纵坐标，length为点云分布图的长度的一半，width为点云分布图的宽度的一半，l为实际降落区域的长度的一半，w为实际降落区域的宽度的一半，d为危险容忍误差。
在本发明的一实施例中，预设阈值在15-50范围内取值。
当然，在其他一些可替代实施例中，上述获取模块200可以为深度传感器，以直接获取待降落区域的点云分布图；上述第一确定模块300、划分模块400、第二确定模块500和控制模块600可以为飞控芯片。
由于装置实施例和方法实施例是基于同一构思，在内容不互相冲突的前提下，装置实施例的内容可以引用方法实施例的，在此不再一一赘述。
在本发明实施例中，通过在待降落区域的点云分布图中划分指定区域，并对每个指定区域中的点云数量进行判断来实现局部检测，并且由于对指定区域的局部检测相对于对待降落区域的整体检测而言，点云数量基数较小，使得无人机能够更为精准地确定出每一个危险的指定区域，提高了检测的准确度，减少了无人机坠毁的风险。
实施例四
请参阅图8，是本发明其中一实施例提供的一种无人机的硬件结构示意图，该无人机100能够执行以上实施例所述的一种无人机自主降落方法，还能实现以上实施例所述的一种无人机自主降落装置的各个模块的功能。该无人机100包括：
一个或多个处理器110以及存储器120。其中，图8中以一个处理器110为例。
处理器110和存储器120可以通过总线或者其他方式连接，图8中以通过总线连接为例。
存储器120作为一种非易失性计算机可读存储介质，可用于存储非易失性软件程序、非易失性计算机可执行程序以及模块，如本发明上述实施例中的一种无人机自主降落方法对应的程序指令以及一种无人机自主降落装置对应的模块(例如，获取模块200、第一确定模块300、划分模块400、第二确定模块500和控制模块600等)。处理器110通过运行存储在存储器120中的非易失性软件程序、指令以及模块，从而执行一种无人机自主降落方法的各种功能应用以及数据处理，即实现上述方法实施例中的一种无人机自主降落方法以及上述装置实施例的各个模块的功能。
存储器120可以包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需要的应用程序；存储数据区可存储根据一种无人机自主降落装置的使用所创建的数据等。
所述存储数据区还存储有预设的数据，包括预设阈值等。
此外，存储器120可以包括高速随机存取存储器，还可以包括非易失性存储器，例如至少一个磁盘存储器件、闪存器件、或其他非易失性固态存储器件。在一些实施例中，存储器120可选包括相对于处理器110远程设置的存储器，这些远程存储器可以通过网络连接至处理器110。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
所述程序指令以及一个或多个模块存储在所述存储器120中，当被所述一个或者多个处理器110执行时，执行上述任意方法实施例中的一种无人机自主降落方法的各个步骤，或者，实现上述任意装置实施例中的一种无人机自主降落装置的各个模块的功能。
上述产品可执行本发明上述实施例所提供的方法，具备执行方法相应的功能模块和有益效果。未在本实施例中详尽描述的技术细节，可参见本发明上述实施例所提供的方法。
本发明实施例还提供了一种非易失性计算机可读存储介质，所述计算机可读存储介质存储有计算机可执行指令，该计算机可执行指令被一个或多个处理器执行，例如图8中的一个处理器110，可使得计算机执行上述任意方法实施例中的一种无人机自主降落方法的各个步骤，或者，实现上述任意装置实施例中的一种无人机自主降落装置的各个模块的功能。
本发明实施例还提供了一种计算机程序产品，所述计算机程序产品包括存储在非易失性计算机可读存储介质上的计算机程序，所述计算机程序包括程序指令，当所述程序指令被一个或多个处理器执行，例如图8中的一个处理器110，可使得计算机执行上述任意方法实施例中的一种无人机自主降落方法的各个步骤，或者，实现上述任意装置实施例中的一种无人机自主降落装置的各个模块的功能。
以上所描述的装置实施例仅仅是示意性的，其中所述作为分离部件说明的模块可以是或者也可以不是物理上分开的，作为模块显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。
通过以上的实施例的描述，本领域普通技术人员可以清楚地了解到各实施例可借助软件加通用硬件平台的方式来实现，当然也可以通过硬件。本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程是可以通过计算机程序指令相关的硬件来完成，所述的程序可存储于一计算机可读取存储介质中，该程序在执行时，可包括如上述各方法的实施方法的流程。其中，所述存储介质可为磁碟、光盘、只读存储记忆体(Read-OnlyMemory,ROM)或随机存储记忆体(RandomAccessMemory,RAM)等。
以上所述仅为本发明的实施例，并非因此限制本发明的专利范围，凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本发明的专利保护范围内。
最后应说明的是：以上实施例仅用以说明本发明的技术方案，而非对其限制；在本发明的思路下，以上实施例或者不同实施例中的技术特征之间也可以进行组合，步骤可以以任意顺序实现，并存在如上所述的本发明的不同方面的许多其它变化，为了简明，它们没有在细节中提供；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本申请各实施例技术方案的范围。

Claims (18)

1.一种无人机自主降落方法，其特征在于，所述方法包括：
获取待降落区域的点云分布图；
根据所述无人机在所述点云分布图中的实际降落区域，确定所述点云分布图中的检测区域，其中，所述检测区域是指在所述点云分布图中用于检测点云数量的区域，所述检测区域为所述点云分布图所对应的区域中除去所述实际降落区域并加上由危险容忍误差所构成的区域；
将所述检测区域划分为至少两个指定区域，所述至少两个指定区域中的每一个指定区域分别对应所述待降落区域的一部分；
确定所述至少两个指定区域中的每一个指定区域中的点云数量是否小于预设阈值；
若是，则控制所述无人机飞离点云数量小于所述预设阈值的指定区域或者控制所述无人机停止降落。
2.根据权利要求1所述的无人机自主降落方法，其特征在于，所述获取所述待降落区域的所述点云分布图，包括：
通过所述无人机的深度传感器获取所述待降落区域的所述点云分布图。
3.根据权利要求2所述的无人机自主降落方法，其特征在于，所述通过所述无人机的深度传感器获取所述待降落区域的所述点云分布图，包括：
通过所述深度传感器获取所述待降落区域的深度图；
根据所述深度图，获取所述点云分布图。
4.根据权利要求2所述的无人机自主降落方法，其特征在于，所述通过所述无人机的深度传感器获取所述待降落区域的所述点云分布图，包括：
通过所述深度传感器获取所述待降落区域的点云数据；
将所述点云数据投影至二维平面，以获取所述点云分布图。
5.根据权利要求1-4中任一项所述的无人机自主降落方法，其特征在于，所述点云分布图为矩形结构，所述至少两个指定区域包括：
位于降落区域左侧的第一指定区域、位于降落区域右侧的第二指定区域、位于降落区域上方的第三指定区域以及位于降落区域下方的第四指定区域。
6.根据权利要求5所述的无人机自主降落方法，其特征在于，所述检测区域不包括所述点云分布图中四个角所在的区域。
7.根据权利要求6所述的无人机自主降落方法，其特征在于，所述第一指定区域S1、第二指定区域S2、第三指定区域S3和第四指定区域S4的数学表达式分别如下：
S1:-length<x1<-(l-d)，y1<|w-d|；
S2:(l-d)<x2<length，y2<|w-d|；
S3:x3<|l-d|，(w-d)<y3<width；
S4:x4<|l-d|，-width<y4<-(w-d)；
其中，x1为落在所述第一指定区域S1内的点的横坐标，y1为所述落在所述第一指定区域S1内的点的纵坐标，x2为落在所述第二指定区域S2内的点的横坐标，y2为所述落在所述第二指定区域S2内的点的纵坐标，x3为落在所述第三指定区域S3内的点的横坐标，y3为所述落在所述第三指定区域S3内的点的纵坐标，x4为落在所述第四指定区域S4内的点的横坐标，y4为所述落在所述第四指定区域S4内的点的纵坐标，length为所述点云分布图的长度的一半，width为所述点云分布图的宽度的一半，l为所述实际降落区域的长度的一半，w为所述实际降落区域的宽度的一半，d为危险容忍误差。
8.根据权利要求1-4、6-7中任一项所述的无人机自主降落方法，其特征在于，所述预设阈值在15-50范围内取值。
9.一种无人机自主降落装置，其特征在于，所述装置包括：
获取模块，所述获取模块用于获取待降落区域的点云分布图；
第一确定模块，所述第一确定模块用于根据所述无人机在所述点云分布图中的实际降落区域，确定所述点云分布图中的检测区域，其中，所述检测区域是指在所述点云分布图中用于检测点云数量的区域，所述检测区域为所述点云分布图所对应的区域中除去所述实际降落区域并加上由危险容忍误差所构成的区域；
划分模块，所述划分模块用于将所述检测区域划分为至少两个指定区域，所述至少两个指定区域中的每一个指定区域分别对应所述待降落区域的一部分；
第二确定模块，所述第二确定模块用于确定所述至少两个指定区域中的每一个指定区域中的点云数量是否小于预设阈值；
控制模块，所述控制模块用于若指定区域中的点云数量小于预设阈值，则控制所述无人机飞离点云数量小于所述预设阈值的指定区域或者控制所述无人机停止降落。
10.根据权利要求9所述的无人机自主降落装置，其特征在于，所述获取模块通过所述无人机的深度传感器获取所述待降落区域的所述点云分布图。
11.根据权利要求10所述的无人机自主降落装置，其特征在于，所述获取模块具体用于：
通过所述深度传感器获取所述待降落区域的深度图；
根据所述深度图，获取所述点云分布图。
12.根据权利要求10所述的无人机自主降落装置，其特征在于，所述获取模块具体用于：
通过所述深度传感器获取所述待降落区域的点云数据；
将所述点云数据投影至二维平面，以获取所述点云分布图。
13.根据权利要求9-12中任一项所述的无人机自主降落装置，其特征在于，所述点云分布图为矩形结构，所述至少两个指定区域包括：
位于降落区域左侧的第一指定区域、位于降落区域右侧的第二指定区域、位于降落区域上方的第三指定区域以及位于降落区域下方的第四指定区域。
14.根据权利要求13所述的无人机自主降落装置，其特征在于，所述检测区域不包括所述点云分布图中四个角所在的区域。
15.根据权利要求14所述的无人机自主降落装置，其特征在于，所述第一指定区域S1、第二指定区域S2、第三指定区域S3和第四指定区域S4的数学表达式分别如下：
S1:-length<x1<-(l-d)，y1<|w-d|；
S2:(l-d)<x2<length，y2<|w-d|；
S3:x3<|l-d|，(w-d)<y3<width；
S4:x4<|l-d|，-width<y4<-(w-d)；
其中，x1为落在所述第一指定区域S1内的点的横坐标，y1为所述落在所述第一指定区域S1内的点的纵坐标，x2为落在所述第二指定区域S2内的点的横坐标，y2为所述落在所述第二指定区域S2内的点的纵坐标，x3为落在所述第三指定区域S3内的点的横坐标，y3为所述落在所述第三指定区域S3内的点的纵坐标，x4为落在所述第四指定区域S4内的点的横坐标，y4为所述落在所述第四指定区域S4内的点的纵坐标，length为所述点云分布图的长度的一半，width为所述点云分布图的宽度的一半，l为所述实际降落区域的长度的一半，w为所述实际降落区域的宽度的一半，d为危险容忍误差。
16.根据权利要求9-12、14-15中任一项所述的无人机自主降落装置，其特征在于，所述预设阈值在15-50范围内取值。
17.一种无人机，其特征在于，包括：
至少一个处理器；以及
与所述至少一个处理器通信连接的存储器；其中，所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够用于执行如权利要求1-8任一项所述的无人机自主降落方法。
18.一种非易失性计算机可读存储介质，其特征在于，所述非易失性计算机可读存储介质存储有计算机可执行指令，所述计算机可执行指令用于使无人机执行如权利要求1-8任一项所述的无人机自主降落方法。
CN201811563917.7A 2018-12-20 2018-12-20 一种无人机自主降落方法、装置及无人机 Active CN109343572B (zh)

Priority Applications (3)

Application Number Priority Date Filing Date Title
CN201811563917.7A CN109343572B (zh) 2018-12-20 2018-12-20 一种无人机自主降落方法、装置及无人机
PCT/CN2019/126720 WO2020125726A1 (zh) 2018-12-20 2019-12-19 一种无人机自主降落方法、装置及无人机
US17/352,697 US20220075391A1 (en) 2018-12-20 2021-06-21 Autonomous landing method and apparatus of unmanned aerial vehicle and unmanned aerial vehicle

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201811563917.7A CN109343572B (zh) 2018-12-20 2018-12-20 一种无人机自主降落方法、装置及无人机

Publications (2)

Publication Number Publication Date
CN109343572A CN109343572A (zh) 2019-02-15
CN109343572B true CN109343572B (zh) 2021-07-30

Family

ID=65304318

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201811563917.7A Active CN109343572B (zh) 2018-12-20 2018-12-20 一种无人机自主降落方法、装置及无人机

Country Status (3)

Country Link
US (1) US20220075391A1 (zh)
CN (1) CN109343572B (zh)
WO (1) WO2020125726A1 (zh)

Families Citing this family (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109343572B (zh) * 2018-12-20 2021-07-30 深圳市道通智能航空技术股份有限公司 一种无人机自主降落方法、装置及无人机
US11783443B2 (en) 2019-01-22 2023-10-10 Fyusion, Inc. Extraction of standardized images from a single view or multi-view capture
US11176704B2 (en) 2019-01-22 2021-11-16 Fyusion, Inc. Object pose estimation in visual data
US10887582B2 (en) 2019-01-22 2021-01-05 Fyusion, Inc. Object damage aggregation
CN109992001A (zh) * 2019-04-22 2019-07-09 西安忠林世纪电子科技有限公司 一种无人机安全降落方法、装置及无人机
CN111913492B (zh) * 2019-05-09 2024-04-19 丰翼科技(深圳)有限公司 无人机安全降落方法和装置
CN112306086B (zh) * 2019-07-30 2023-09-01 广州极飞科技股份有限公司 无人机降落区域的确定方法、装置、无人机和存储介质
CN112306083B (zh) * 2019-07-30 2023-12-05 广州极飞科技股份有限公司 无人机降落区域的确定方法、装置、无人机和存储介质
WO2021056139A1 (zh) * 2019-09-23 2021-04-01 深圳市大疆创新科技有限公司 获取降落位置的方法、设备、无人机、系统及存储介质
US11776142B2 (en) 2020-01-16 2023-10-03 Fyusion, Inc. Structuring visual data
US11562474B2 (en) 2020-01-16 2023-01-24 Fyusion, Inc. Mobile multi-camera multi-view capture
US11605151B2 (en) 2021-03-02 2023-03-14 Fyusion, Inc. Vehicle undercarriage imaging
CN114489119B (zh) * 2021-12-29 2023-10-03 华中师范大学 一种由结构光引导的多旋翼无人机精准降落方法

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106688017A (zh) * 2016-11-28 2017-05-17 深圳市大疆创新科技有限公司 生成点云地图的方法、计算机系统和装置
CN107167814A (zh) * 2017-04-12 2017-09-15 深圳市速腾聚创科技有限公司 机载遥测系统
CN107291093A (zh) * 2017-07-04 2017-10-24 西北工业大学 基于视觉slam的复杂环境下无人机自主降落区域选择方法
CN107977992A (zh) * 2017-12-05 2018-05-01 深圳大学 一种基于无人机激光雷达的建筑物变化检测方法及装置

Family Cites Families (20)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
AU2007361324A1 (en) * 2007-11-07 2009-05-14 Tele Atlas B.V. Method of and arrangement for mapping range sensor data on image sensor data
US8600589B2 (en) * 2012-04-24 2013-12-03 Exelis, Inc. Point cloud visualization of acceptable helicopter landing zones based on 4D LIDAR
US9063544B2 (en) * 2012-09-19 2015-06-23 The Boeing Company Aerial forest inventory system
CN103365299B (zh) * 2013-08-02 2015-12-23 中国科学院自动化研究所 一种无人机的避障方法及其装置
US9933521B2 (en) * 2014-04-14 2018-04-03 The Boeing Company Aerial positioning systems and methods
EP3196594B1 (en) * 2014-05-05 2021-08-11 Hexagon Technology Center GmbH Surveying system
WO2016033795A1 (en) * 2014-09-05 2016-03-10 SZ DJI Technology Co., Ltd. Velocity control for an unmanned aerial vehicle
EP3889728A3 (en) * 2014-12-31 2021-12-01 SZ DJI Technology Co., Ltd. Selective processing of sensor data
US9645582B2 (en) * 2015-06-25 2017-05-09 Bell Helicopter Textron Inc. Landing aircrafts with optimal landing spot selection
CN105204515B (zh) * 2015-08-27 2018-04-10 泉州装备制造研究所 无人机自主着陆的测量解析及控制方法和装置
CN105775150B (zh) * 2016-03-17 2017-12-22 英华达（上海）科技有限公司 无人飞行载具及其降落方法
US10472086B2 (en) * 2016-03-31 2019-11-12 Sikorsky Aircraft Corporation Sensor-based detection of landing zones
US10121117B1 (en) * 2016-09-08 2018-11-06 Amazon Technologies, Inc. Drone location signature filters
CN106657882A (zh) * 2016-10-18 2017-05-10 国网湖北省电力公司检修公司 基于无人机的输变电系统实时监控方法
CN106828899B (zh) * 2017-01-06 2023-05-30 润泰救援装备科技河北有限公司 救援无人机及其调控消防系统
US11017679B2 (en) * 2017-01-13 2021-05-25 Skydio, Inc. Unmanned aerial vehicle visual point cloud navigation
CN107424193B (zh) * 2017-04-27 2020-10-13 巧夺天宫（深圳）科技有限公司 一种门窗信息提取方法及其装置
CN107444665B (zh) * 2017-07-24 2020-06-09 长春草莓科技有限公司 一种无人机自主降落方法
CN108629968B (zh) * 2018-06-26 2023-10-17 吉林大学 一种基于激光雷达的行人过街安全控制装置
CN109343572B (zh) * 2018-12-20 2021-07-30 深圳市道通智能航空技术股份有限公司 一种无人机自主降落方法、装置及无人机

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106688017A (zh) * 2016-11-28 2017-05-17 深圳市大疆创新科技有限公司 生成点云地图的方法、计算机系统和装置
CN107167814A (zh) * 2017-04-12 2017-09-15 深圳市速腾聚创科技有限公司 机载遥测系统
CN107291093A (zh) * 2017-07-04 2017-10-24 西北工业大学 基于视觉slam的复杂环境下无人机自主降落区域选择方法
CN107977992A (zh) * 2017-12-05 2018-05-01 深圳大学 一种基于无人机激光雷达的建筑物变化检测方法及装置

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
《三维激光点云联合无人机影像的三维场景重建研究》;闫阳阳等;《测绘通报》;20161231(第1期);第84-87页 *
《大型无人机电力巡检LiDAR点云安全诊断方法》;陈驰等;《电网技术》;20170831;第41卷(第8期);第2723-2730页 *
《无人飞行器自主降落区识别方法研究》;黄建宇等;《液晶与显示》;20180331;第33卷(第3期);第238-244页 *

Also Published As

Publication number Publication date
CN109343572A (zh) 2019-02-15
WO2020125726A1 (zh) 2020-06-25
US20220075391A1 (en) 2022-03-10

Similar Documents

Publication Publication Date Title
CN109343572B (zh) 一种无人机自主降落方法、装置及无人机
CN109739256B (zh) 一种无人机降落避障方法、装置及无人机
WO2021013110A1 (zh) 一种基于目标跟踪的无人机避障方法、装置及无人机
US20230350428A1 (en) Methods and system for autonomous landing
WO2020103034A1 (zh) 一种无人机路径规划方法、装置及无人机
JP7456537B2 (ja) 飛行体制御装置、飛行体制御方法、及びプログラム
US20200344464A1 (en) Systems and Methods for Improving Performance of a Robotic Vehicle by Managing On-board Camera Defects
ES2910700T3 (es) Sistema y procedimiento de inspección automática de superficie
CN109562844B (zh) 自动着陆表面地形评估以及相关的系统和方法
Saha et al. A real-time monocular vision-based frontal obstacle detection and avoidance for low cost UAVs in GPS denied environment
US9738399B2 (en) Unmanned aerial vehicle control method and unmanned aerial vehicle using same
EP3171133A1 (en) Kinematic motion planning with regional planning constraints
US20190172358A1 (en) Methods and systems for obstacle identification and avoidance
WO2020143576A1 (zh) 调整机载雷达的主探测方向的方法、装置和无人机
WO2019040804A1 (en) SYSTEMS AND METHODS FOR ENHANCING THE PERFORMANCE OF A ROBOTIC VEHICLE BY MANAGING ON-BOARD CAMERA OBSTRUCTIONS
US11922819B2 (en) System and method for autonomously landing a vertical take-off and landing (VTOL) aircraft
WO2020186444A1 (zh) 物体检测方法、电子设备与计算机存储介质
US11521494B2 (en) Vehicle eccentricity mapping
WO2016149037A1 (en) Flight initiation proximity warning system
CN112666969A (zh) 无人机及其控制方法
CN109520478B (zh) 一种水面检测方法、装置和无人机
US11423560B2 (en) Method for improving the interpretation of the surroundings of a vehicle
WO2019119780A1 (en) Water surface detection method and apparatus, unmanned aerial vehicle landing method and apparatus and unmanned aerial vehicle
CN112639655A (zh) 无人机返航的控制方法、设备、可移动平台和存储介质
WO2020154911A1 (en) Sky determination in environment detection for mobile platforms, and associated systems and methods

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
CB02 Change of applicant information

Address after: 518055 Guangdong city of Shenzhen province Nanshan District Xili Street Xueyuan Road No. 1001 Chi Yuen Building 9 layer B1

Applicant after: Shenzhen daotong intelligent Aviation Technology Co.,Ltd.

Address before: 518055 Guangdong city of Shenzhen province Nanshan District Xili Street Xueyuan Road No. 1001 Chi Yuen Building 9 layer B1

Applicant before: AUTEL ROBOTICS Co.,Ltd.

CB02 Change of applicant information
GR01 Patent grant
GR01 Patent grant